掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
基于認知計算與幾何空間變換的故障診斷與預測 版權信息
- ISBN：9787118121995
- 條形碼：9787118121995 ; 978-7-118-12199-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于認知計算與幾何空間變換的故障診斷與預測 內容簡介
本書介紹了認知計算和幾何空間變換應用于故障診斷與預測領域中的新理論和新方法，章概述了故障診斷與預測技術的基本概念與技術狀態，闡述了當前存在的瓶頸問題以及引入認知計算和幾何空間變換的優勢。第2章至第4章主要介紹了基于認知計算（深度學習、遷移學習、視覺認知、壓縮感知）的故障診斷與預測評估技術。第5章和第6章主要介紹了基于微分幾何、空間變換與形態識別的故障診斷與預測評估技術。
基于認知計算與幾何空間變換的故障診斷與預測 目錄
第1章 緒論
1.1 故障診斷與預測技術概述
1.1.1 背景與意義
1.1.2 基本概念
1.1.3 技術發展現狀
1.1.4 問題與啟示
1.2 認知計算技術概述
1.2.1 認知計算技術
1.2.2 深度學習技術
1.2.3 視覺認知技術
1.2.4 壓縮感知技術
1.3 幾何空間變換與形態識別技術概述
1.3.1 微分流形理論
1.3.2 幾何空間變換技術
1.3.3 幾何形態識別技術
1.4 全書概況
參考文獻
第2章 基于深度學習與遷移學習的故障診斷與預測
2.1 引言
2.2 深度學習技術
2.2.1 深度學習基本思想和原理
2.2.2 深度學習常用方法
2.2.3 深度學習的應用情況
2.3 遷移學習技術
2.3.1 遷移學習的基本思想和原理
2.3.2 遷移學習方法分類
2.3.3 遷移學習的應用情況
2.4 基于深度學習分類器的旋轉機械故障診斷
2.4.1 特征自學習技術
2.4.2 基于層疊自動編碼器的深度學習分類技術
2.4.3 基于層疊降噪自動編碼器的深度學習分類技術
2.4.4 案例分析
2.5 基于深度學習回歸器的控制系統自適應故障檢測
2.5.1 基于模型平均的深度學習回歸技術
2.5.2 基于模型平均深度學習的控制系統自適應故障檢測
2.5.3 案例分析
2.6 基于多層特征融合深度學習的機電設備健康評估
2.6.1 基于多層特征融合深度學習的健康評估技術
2.6.2 案例分析
2.7 基于遷移學習的相似設備故障診斷
2.7.1 輔助訓練數據與目標訓練數據共享特征學習技術
2.7.2 基于TrAdaBoost樣本篩選的故障診斷策略研究
2.7.3 基于共享特征學習與TrAdaBoost的相似設備故障診斷
2.7.4 案例分析
2.8 基于遷移學習的相似設備剩余壽命預測
2.8.1 基于遷移學習的相似發動機剩余壽命預測
2.8.2 基于遷移學習的多配方鋰電池剩余壽命預測
2.8.3 案例分析
2.9 小結
參考文獻
第3章 基于視覺認知計算的故障診斷與評估
3.1 引言
3.2 視覺認知的基本特性
3.2.1 視覺不變性
3.2.2 視覺流形感知特性
3.2.3 視覺多通道特性
3.3 故障信號的圖形化等效表征
3.3.1 基于雙譜的圖形化等效表征
3.3.2 基于遞歸圖的圖形化等效表征
3.3.3 基于時序排列的圖形化等效表征
3.4 基于視覺不變性與流形感知特性的變工況故障診斷
3.4.1 尺度不變特征變換
3.4.2 加速魯棒特征
3.4.3 基于加速魯棒特征與流形感知的變工況故障診斷
3.4.4 案例分析
3.5 基于視覺多通道特性與流形感知特性的健康評估
3.5.1 Contourlet變換
3.5.2 非下采樣Contourlet變換
3.5.3 基于非下采樣Contourlet變換與流形感知的健康評估
3.5.4 案例分析
3.6 小結
參考文獻
第4章 基于壓縮感知的故障診斷
4.1 引言
4.2 監測數據壓縮采樣與重構降噪技術
4.2.1 基于壓縮感知的監測數據壓縮采樣及重構方法
4.2.2 基于壓縮感知的監測數據降噪方法
4.2.3 基于集成字典的改進壓縮數據重構方法
4.2.4 基于自適應閾值的分段正交匹配追蹤及壓縮數據降噪
4.2.5 案例分析
4.3 基于壓縮域信息的設備診斷技術
4.3.1 基于混合型壓縮采樣的故障診斷技術
4.3.2 基于雙級壓縮學習的設備故障診斷
4.3.3 基于重構匹配的旋轉機械多工況故障診斷
4.3.4 基于多信號協同壓縮的故障診斷
4.3.5 案例分析
4.4 小結
參考文獻
第5章 基于微分幾何的故障診斷與評估
5.1 引言
5.2 非線性數據檢驗與預處理研究
5.2.1 替代數據方法
5.2.2 相空間重構方法
5.2.3 本征維數計算及改進方法
5.3 基于鄰域分布信息約束的局部投影非線性降噪技術
5.3.1 局部投影降噪方法的原理
5.3.2 基于經驗模態分解噪聲估計的鄰域半徑選取
5.3.3 基于鄰域分布信息約束的噪聲子空間確定
5.3.4 案例分析
5.4 基于流形學習與奇異值分解的特征提取技術
5.4.1 流形學習方法
5.4.2 基于局部切空間排列與奇異值分解的特征提取
5.4.3 案例分析
5.5 基于流形距離-田口方法的健康評估技術
5.5.1 基本思路及流程
5.5.2 流形距離
5.5.3 基于田口方法的特征優選
5.5.4 基于高斯混合模型的健康評估
5.5.5 案例分析
5.6 基于累積測地線距離的健康評估技術
5.6.1 基本思路及流程
5.6.2 基于拉普拉斯特征映射的內稟流形構建
5.6.3 流形累積測地線距離
5.6.4 案例分析
5.7 基于信息幾何與支持向量機的故障診斷技術
5.7.1 基于信息幾何的支持向量機
5.7.2 基于信息幾何支持向量機的故障診斷
5.7.3 案例分析
5.8 小結
參考文獻
第6章 基于幾何空間變換與形態識別的性能衰退預測評估
6.1 引言
6.2 健康流形空間中性能衰退預測的啟示與幾何概念
6.2.1 經典物理學與數學相關概念
6.2.2 性能衰退的背景流形空間猜想：閔氏時空
6.2.3 健康流形空間中性能衰退預測的基本概念
6.3 健康流形的本征維數確定
6.3.1 健康流形本征維度估計的多尺度幾何方法
6.3.2 基于k近鄰圖的健康流形本征維度估計
6.3.3 基于Packing numbers的健康流形本征維度估計
6.4 高維背景流形空間維數確定
6.4.1 坐標主體信息損失度量方法
6.4.2 基于局部幾何信息全局優化及坐標主體信息損失度量的方法
6.5 高維流形空間向健康流形空間的映射構建
6.5.1 基于等距映射的健康流形空間構建
6.5.2 基于拉普拉斯特征映射的健康流形空間構建
6.5.3 基于改進局部線性嵌入的健康流形空間構建
6.6 變工況條件下健康流形空間中性能衰退預測
6.6.1 高維背景流形空間中健康流形與性能衰退軌跡
6.6.2 仿射變換及仿射關系建立
6.6.3 基于樣本總體與個體信息的健康時空圖構建
6.6.4 案例分析
6.7 完全截斷數據條件下健康流形空間中性能衰退預測
6.7.1 高維背景流形空間中截斷數據的流形結構
6.7.2 健康流形空間中累積測地線的識別與預測
6.7.3 基于智能乘積限估計器的性能衰退預測幾何方法
6.7.4 案例分析
6.8 基于幾何圖形與形態識別的性能退化評估
6.8.1 動態時間規整：優勢與不足
6.8.2 基于時間規整的快速相似度搜索方法
6，8.3 快速動態時空規整方法
6.8.4 案例分析
6.9 小結
參考文獻
展開全部
書友推薦
- >
莉莉和章魚
- >
姑媽的寶刀
- >
自卑與超越
- >
名家帶你讀魯迅:故事新編
- >
二體千字文
- >
我與地壇
- >
隨園食單
- >
有舍有得是人生
本類暢銷
